想必视频内容已经成为人们获取知识、记录观点和进行内容创作的重要媒介。相比图文，视频的信息呈现更丰富，但也更难检索、难以快速复盘。尤其在面对教育讲座、操作教程、会议录播等类型的视频时，不少人往往希望能够提炼出一份清晰的笔记以备后用。然而，手动整理视频笔记的过程不仅繁琐、耗时，而且极易遗漏重点信息。因此，借助 AI 工具自动提取视频内容、生成结构化笔记，已成为一种高效且趋势化的解决方案。
本期来介绍一个开源的AI视频笔记生成工具，能够让AI替你的视频做笔记：BiliNote。
📖 项目介绍
BiliNote 是一款开源的 AI 视频笔记助手，支持通过哔哩哔哩、油管、抖音、本地视频链接或文件，自动提取语音内容，并将其结构化为清晰、重点明确的 Markdown 格式笔记。
它内置 FastAPI 后端和 React 前端，支持本地部署的大模型或调用 API 接口完成语言总结，同时可选集成 Whisper 本地模型进行语音识别。BiliNote 提供截图插图、原片跳转（时间戳）、任务追踪等功能，适配不同工作流需求；部署方式上，既可使用 Windows/Mac 打包版，也可通过 Docker Compose 容器部署，适用于本地自用或私有化部署环境。
🤔 应用场景
以下这些都是 BiliNote 可以高效介入的实际使用场景，包含但不局限于此：
在处理 B 站公开课、技术讲座等学习类视频时，用户可以使用 BiliNote 生成包含段落标题、要点总结的 Markdown 笔记，方便后续复习。也可通过笔记直链跳转到对应时间节点，直接从对应部分观看。
在运营或产品部门回看公司内部培训录播视频时，可以快速提取要点、同步任务记录，免去重复观看的烦恼。
在进行短视频选题调研、内容剪辑时，可以将视频链接导入系统，自动生成视频结构草稿、抓取关键语句与截图素材。
在录制视频播客或会议纪要后，也可以本地上传音视频文件，通过 Whisper 转写与 GPT 总结组合，自动生成完整内容笔记。
🍀 部署流程
先啰嗦几句
演示设备为威联通NAS，型号TS-464C，处理器N5095。
本文会介绍Docker Compose的方式进行部署使用。关于配置文件，以及包含Windows打包版的包体在内，会放在文末，网络不方便的朋友可取用。
项目名：JefferyHcool/BiliNote，想了解更多的朋友直接在GHUB搜索即可。
修改配置可通过vi命令，或者NAS自带的工具对配置文件进行编辑。除非你清楚自己在做什么，否则建议只修改docker-compose.yml或.env.example，或者不改动直接部署。
如果你的设备有独显，或对自己的设备性能不够自信，又或是非常自信，请至到注意事项章节查看。
情况一：能成功连通GHUB（简单）
SSH链接至NAS，输入以下命令，克隆部署仓库。
cd <docker 目录下> # 例如威联通NAS输入 cd /share/Container
git clone https://github.com/JefferyHcool/BiliNote.git
cd BiliNote
接着输入命令，查看文件：
ls -al
确认无误后，接着输入以下命令：
# 将环境文件重命名
mv .env.example .env
# 构建Docker镜像并启动
docker compose up -d # 或 docker-compose up -d
等待部署即可。
情况二：无法连通GHUB（简单）
文末我提供的文件包先下载下来。
在NAS准备好对应的文件目录，威联通为例：/share/Container/BiliNote，将解压好的全部内容全部拖入该目录下。
可选择用自带的编辑器重命名另存为.env，也可重复情况一的操作用命令行重命名。如果你看不到.env文件，请勾选显示隐藏文件。
命名完毕后接着重复：
# 情况一二都必须执行该命令
cd /share/Container/BiliNote
# 已改名的忽略
mv .env.example .env
# 情况一二都必须执行该命令
docker compose up -d
等待部署即可。
⚠ 注意事项
文件.env 详解
BACKEND_PORT=8483 # 后端服务监听端口，默认 8483
FRONTEND_PORT=3015 # 前端 Web 页面监听端口，默认 3015
BACKEND_HOST=0.0.0.0 # 后端服务监听的地址。默认 0.0.0.0 表示监听所有 IP，不建议修改
APP_PORT= 3015 # 容器前端的访问端口，与 FRONTEND_PORT 保持一致
VITE_API_BASE_URL=http://127.0.0.1:8483 # 前端访问后端 API 的基础地址（开发时用）
VITE_SCREENSHOT_BASE_URL=http://127.0.0.1:8483/static/screenshots # 前端访问截图资源的地址
VITE_FRONTEND_PORT=3015 # 前端项目运行端口，与上面一致
ENV=production # 环境模式，可选：development / production
STATIC=/static # 静态资源的 URL 路径前缀，默认 /static
OUT_DIR=./static/screenshots # 视频截图保存路径（相对路径）
NOTE_OUTPUT_DIR=note_results # 笔记结果输出目录（markdown 和状态文件将保存在此）
IMAGE_BASE_URL=/static/screenshots # 前端访问图片的路径前缀
DATA_DIR=data # 数据文件保存目录，例如转录中间件产生的缓存数据等
FFMPEG_BIN_PATH= # 可选项：如果需要自定义 ffmpeg 路径可填此项；默认使用系统自带 ffmpeg
TRANSCRIBER_TYPE=fast-whisper # 语音转文字使用的模型类型
# 可选项：
# - fast-whisper（推荐，支持 CPU/GPU）
# - bcut（字节跳动转写 API）
# - kuaishou（快手转写 API）
# - mlx-whisper（仅限 Apple MLX 框架）
# - groq（使用 groq 平台 Whisper）
WHISPER_MODEL_SIZE=base # fast-whisper 模型尺寸（base、small、medium、large）
# 如果 TRANSCRIBER_TYPE 设置为 groq，使用以下模型
GROQ_TRANSCRIBER_MODEL=whisper-large-v3-turbo # groq 平台提供的 whisper-large-v3-turbo 模型，
关于语音识别配置
如果你的设备带有独立的显卡，请修改.env并运行docker-compose.gpu.yml文件进行构建。
威联通TS-464C的CPU性能在默认配置下跑得还算可以，如果你的配置较低则建议降低模型版本，否则更容易出现幻觉导致结果不准确。
.env中的默认配置如下：
TRANSCRIBER_TYPE=fast-whisper # fast-whisper/bcut/kuaishou/mlx-whisper(仅Apple平台)/groq
WHISPER_MODEL_SIZE=base
GROQ_TRANSCRIBER_MODEL=whisper-large-v3-turbo # groq提供的faster-whisper 默认为 whisper-large-v3-turbo
Fast-Whisper 模型选择
截图来自项目Wiki。
🎉 使用展示
因为项目问题，需要等系统初始化环境配置完成后才可成功访问并使用，如果你在日志中看到以下输出则证明部署成功，此时可以访问前端界面。
此时浏览器输入NAS_IP:3015即可访问。大概率会出现如下界面，提示报错（大概率），再耐心等项目跑会儿。
我成功进入项目界面的日志输出如下，可作参考。此时便可使用了。
界面如下。支持B站、油管、快手、抖音的链接直接导入，也支持本地视频导入。
支持各种不同文案风格的输出，可选择目录、原片跳转/截图、AI总结等多种输出格式。
内置默认支持的大模型供应商如下，Ollama本地部署也同样支持。如果要得到理想输出结果，请选择具备相应功能的大模型版本。关于API如何获得使用还请自行搜索。（通义千问有白嫖福利）
也可自行添加其他提供商例如硅基流动，不过要确保兼容性。
配置相关Cookie，这个也不再进行赘述。
下面我用油管链接进行演示。随机刷到一个时长8min的三星手机评测，链接搞进去进行笔记生成。还蛮快的。动图为2.5倍速。
生成的效果如下。可以展示为思维导图，支持直接内容复制，可导出为Markdown，支持原文参照。点击时间戳，便可跳转到对应的章节进行阅读。
总结
原片跳转这个功能我个人觉得非常实用，作者应该会在后增加直接导入字幕文件的总结功能。
大家有需要的建议搞个强一些的CPU或GPU进行部署～
感谢观看，本文完。
PS：相关文件点我下载，提取码：zLQV。
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
